基于SEPyconv-DETR的无人机航拍绝缘子检测算法

针对绝缘子由于大小不一致、被遮挡等因素导致航拍检测效果不佳的问题,提出了一种基于SEPyconv-DETR的绝缘子检测算法。首先,将Pyconv引入DETR主干网络,有效融合多尺度特征。其次,利用通道注意力SE强化关键特征。然后,将混淆卷积前馈网络(CC-FFN)融合到transformer中,增强局部感知和相邻token之间的联系。最后,综合Alpha-IoU与L1函数构建回归损失,以提高定位精度。实验结果表明,所提算法的检测精度mAP@0.5∶0.95达到了64.1%,优于DETR、YOLOv5等主流算法,并且可有效检测复杂背景下不同尺寸及被遮挡的绝缘子。

改进CenterNet的小目标安全帽检测算法

为实现对施工现场工人戴安全帽的有效检测,提升检测的精度和质量,提出了一种基于中心点网络(CenterNet)的安全帽检测方法。针对被检测目标大部分为小目标的情况,删除ResNet-50的最后一层卷积层;针对CenterNet对安全帽定位不准确的问题,使用CIoU损失函数替换了原有的损失函数;针对CenterNet对推理过程特征图信息利用不充分的问题,采用残差连接将主干网络得到的两个特征网络分别与上采样的特征图进行融合的方法;针对通道卷积没有融合不同感受野的问题,使用金字塔卷积核(PyConv)对特征图进行感受野和通道之间融合的方法。结果表明,在自制的安全帽数据集上,mAP共提升了6.5%,改进后的CenterNet方法能明显提升安全帽检测的精确度。